不良批次：通过代表性批次策划提升图像分类中的自监督学习
原文中文，约200字，阅读约需1分钟。发表于：。通过 Fréchet ResNet Distance (FRD) 使用成对相似度计算来获得稳健的非标注数据表示，从而显著提高自我监督对比学习中用于图像分类任务的线性分类器的准确率。
该文章提出了一种用于自监督对比学习的方法，包括识别和消除 false negative、对抗策略以及严格评估。该方法在 ImageNet 数据集上取得了一定成果，无标签数据集下可以以40%的精度正确识别 false negative，并在有1%标签数据下达到了5.8%的top-1准确率的绝对改进。
